期貨分鍾時間序列模型預測

1. 時間序列模型MA能預測很長的數據嗎

ma模型的預測值小於等於步長，當大於步長時預測值恆等於序列均值，因為ma（q）模型q步截尾。

2. 如何對時間序列預測建模

時間序列分析是根據系統觀測得到的時間序列數據，通過曲線擬合和參數估計來建立數學模型的理論和方法。
它一般採用曲線擬合和參數估計方法（如非線性最小二乘法）進行。時間序列分析常用在國民經濟宏觀控制、區域綜合發展規劃、經營管理、市場潛量預測、氣象預報、水文預報、地震前兆預報、農作物病蟲災害預報、環境污染控制、生態平衡、天文學和海洋學等方面。

（一）根據時間序列的散點圖、自相關函數和偏自相關函數圖以ADF單位根檢驗其方差、趨勢及其季節性變化規律，對序列的平穩性進行識別。一般來講，經濟運行的時間序列都不是平穩序列。
（二）對非平穩序列進行平穩化處理。如果數據序列是非平穩的，並存在一定的增長或下降趨勢，則需要對數據進行差分處理，如果數據存在異方差，則需對數據進行技術處理，直到處理後的數據的自相關函數值和偏相關函數值無顯著地異於零。
（三）根據時間序列模型的識別規則，建立相應的模型。若平穩序列的偏相關函數是截尾的，而自相關函數是拖尾的，可斷定序列適合AR模型；若平穩序列的偏相關函數是拖尾的，而自相關函數是截尾的，則可斷定序列適合MA模型；若平穩序列的偏相關函數和自相關函數均是拖尾的，則序列適合ARMA模型。
（四）進行參數估計，檢驗是否具有統計意義。
（五）進行假設檢驗，診斷殘差序列是否為白雜訊。
（六）利用已通過檢驗的模型進行預測分析。

3. 使用ARIMA模型時間序列分析，怎麼進行預測未來的趨勢

建立模型後帶入，forecast即可

4. 時間序列差分後進行預測怎麼寫程序

你這個。。差分完已經啥都沒有了。。只剩白雜訊。。還需要建啥模型？ 就是一個最基本的rw。。

5. 時間序列的「單步預測」與「多步預測」是什麼意思

1、單步預測即時點序列，其意思是序列中的指標數值不具可加性，序列中每個指標數值的大小與其間隔時間的長短沒有直接聯系，序列中每個指標數值通常是通過定期的一次登記取得的。

2、多步預測即時期序列，由時期總量指標排列而成的時間序列 ，指序列中的指標數值具有可加性。序列中每個指標數值的大小與其所反映的時期長短有直接聯系。序列中每個指標數值通常是通過連續不斷登記匯總取得的。

時間序列是按照時間排序的一組隨機變數，它通常是在相等間隔的時間段內依照給定的采樣率對某種潛在過程進行觀測的結果。

時間序列數據本質上反映的是某個或者某些隨機變數隨時間不斷變化的趨勢，而時間序列預測方法的核心就是從數據中挖掘出這種規律，並利用其對將來的數據做出估計。

(5)期貨分鍾時間序列模型預測擴展閱讀：

時間序列特徵

時間序列分析法是根據過去的變化趨勢預測未來的發展,它的前提是假定事物的過去延續到未來。時間序列分析，正是根據客觀事物發展的連續規律性,運用過去的歷史數據，通過統計分析,進一步推測未來的發展趨勢。

事物的過去會延續到未來這個假設前提包含兩層含義；一是不會發生突然的跳躍變化,是以相對小的步伐前進；二是過去和當前的現象可能表明當前和將來活動的發展變化趨向。

這就決定了在一般情況下,時間序列分析法對於短、近期預測比較顯著,但如延伸到更遠的將來,就會出現很大的局限性,導致預測值偏離實際較大而使決策失誤。

6. 關於時間序列預測，預測多少點數合適的問題

擬合結果好，是因為有實際的數據在不斷修正這些方法的偏差。而預測的時候就會有問題，就像你說的，後50個數據預測的會不準。你們導師的意思是對的，我們總感覺樣本數據越多，預測結果越准，其實這是不對的。預測和數據多少無關（最少也得5個以上吧），關鍵是你預測的數據和基年的數據的時間差值，差值越大，偏差越大，因為中間沒有實際的數據修正。預測近期的，結果都很好，遠期的大部分不準確。看你數據這么多，你可以嘗試分步預測，比如每隔10個點，取一個數據，然後就可以預測基年後的第10個數據，依次類推。

7. 時間序列預測法的步驟

利用時間序列資料求出長期趨勢、季節變動和不規則變動的數學模型後，就可以利用它來預測未來的長期趨勢值T和季節變動值s，在可能的情況下預測不規則變動值I。然後用以下模式計算出未來的時間序列的預測值Y：
加法模式T+S+I=Y
乘法模式T×S×I=Y
如果不規則變動的預測值難以求得，就只求長期趨勢和季節變動的預測值，以兩者相乘之積或相加之和為時間序列的預測值。如果經濟現象本身沒有季節變動或不需預測分季分月的資料，則長期趨勢的預測值就是時間序列的預測值，即T=Y。但要注意這個預測值只反映現象未來的發展趨勢，即使很准確的趨勢線在按時間順序的觀察方面所起的作用，本質上也只是一個平均數的作用，實際值將圍繞著它上下波動。

8. 求高手幫忙，時間序列分析預測法一般用於那些方面，有什麼優缺點

時間序列是指同一變數按事件發生的先後順序排列起來的一組觀察值或記錄值。構成時間序列的要素有兩個：其一是時間，其二是與時間相對應的變數水平。實際數據的時間序列能夠展示研究對象在一定時期內的發展變化趨勢與規律，因而可以從時間序列中找出變數變化的特徵、趨勢以及發展規律，從而對變數的未來變化進行有效地預測。
時間序列的變動形態一般分為四種：長期趨勢變動，季節變動，循環變動，不規則變動。

時間序列預測法的應用：
系統描述
根據對系統進行觀測得到的時間序列數據，用曲線擬合方法對系統進行客觀的描述。
系統分析
當觀測值取自兩個以上變數時，可用一個時間序列中的變化去說明另一個時間序列中的變化，從而深入了解給定時間序列產生的機理。
預測未來
一般用ARMA模型擬合時間序列，預測該時間序列未來值。
決策和控制
根據時間序列模型可調整輸入變數使系統發展過程保持在目標值上，即預測到過程要偏離目標時便可進行必要的控制。

時間序列預測法的基本特點是：
假定事物的過去趨勢會延伸到未來；
預測所依據的數據具有不規則性；
撇開了市場發展之間的因果關系。

找的好辛苦！！！

9. 時間序列預測法，如何來做預測

先去看看最小二乘法吧http://ke..com/view/139822.htm?wtp=tt，然後計算線性趨勢模型Y=a+bt ,把最小二乘法計算出的a,b參數代入進去就可以算出Y了，t取值1-12

10. 如何用eviews做時間序列模型預測

1、首先建立工作文件，創建並編輯數據。結果如下圖所示。